Diffuse or Confuse: A Diffusion Deepfake Speech Dataset

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F24%3APU151921" target="_blank" >RIV/00216305:26230/24:PU151921 - isvavai.cz</a>

Výsledek na webu

<a href="https://ieeexplore.ieee.org/document/10786752" target="_blank" >https://ieeexplore.ieee.org/document/10786752</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/BIOSIG61931.2024.10786752" target="_blank" >10.1109/BIOSIG61931.2024.10786752</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Diffuse or Confuse: A Diffusion Deepfake Speech Dataset

Popis výsledku v původním jazyce

Advancements in artificial intelligence and machine learning have significantly improved synthetic speech generation. This paper explores diffusion models, a novel method for creating realistic synthetic speech. We create a diffusion dataset using available tools and pretrained models. Additionally, this study assesses the quality of diffusion-generated deepfakes versus non-diffusion ones and their potential threat to current deepfake detection systems. Findings indicate that the detection of diffusion-based deepfakes is generally comparable to non-diffusion deepfakes, with some variability based on detector architecture. Re-vocoding with diffusion vocoders shows minimal impact, and the overall speech quality is comparable to non-diffusion methods.

Název v anglickém jazyce

Diffuse or Confuse: A Diffusion Deepfake Speech Dataset

Popis výsledku anglicky

Advancements in artificial intelligence and machine learning have significantly improved synthetic speech generation. This paper explores diffusion models, a novel method for creating realistic synthetic speech. We create a diffusion dataset using available tools and pretrained models. Additionally, this study assesses the quality of diffusion-generated deepfakes versus non-diffusion ones and their potential threat to current deepfake detection systems. Findings indicate that the detection of diffusion-based deepfakes is generally comparable to non-diffusion deepfakes, with some variability based on detector architecture. Re-vocoding with diffusion vocoders shows minimal impact, and the overall speech quality is comparable to non-diffusion methods.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2024

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

2024 International Conference of the Biometrics Special Interest Group (BIOSIG)

ISBN

978-3-88579-749-4

ISSN

—

e-ISSN

—

Počet stran výsledku

7

Strana od-do

1-7

Název nakladatele

GI - Group for computer science

Místo vydání

Darmstadt

Místo konání akce

Darmstadt

Datum konání akce

25. 9. 2024

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—